由于本人這段時間在學(xué)習(xí)數(shù)據(jù)挖掘的知識，學(xué)習(xí)了人工神經(jīng)網(wǎng)絡(luò)剛好就把學(xué)習(xí)的一些筆記弄出來，也為以后自己回頭看的時候方便些。

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法對于逼近實數(shù)值、離散值或向量值的目標函數(shù)提供了一種健壯性很強的方法。對于某些類型的問題，如學(xué)習(xí)解釋復(fù)雜的現(xiàn)實世界中的傳感器數(shù)據(jù)，人工神經(jīng)網(wǎng)絡(luò)是目前知道的最有效學(xué)習(xí)方法。人工神經(jīng)網(wǎng)絡(luò)的研究在一定程度上受到了生物學(xué)的啟發(fā)，因為生物的學(xué)習(xí)系統(tǒng)是由相互連接的神經(jīng)元（neuron）組成的異常復(fù)雜的網(wǎng)絡(luò)。而人工神經(jīng)網(wǎng)絡(luò)與此大體相似，它是由一系列簡單單元相互密集連接構(gòu)成，其中每一個單元有一定數(shù)量的實值輸入（可能是其他單元的輸出），并產(chǎn)生單一的實數(shù)值輸出（可能成為其他很多單元的輸入）。

實例：

接下來用一個很簡單的例子簡要說明一下神經(jīng)網(wǎng)絡(luò)的應(yīng)用：

Pomerleau（1993）的ALVINN系統(tǒng)是ANN學(xué)習(xí)的一個典型實例，這個系統(tǒng)使用一個學(xué)習(xí)到的ANN

總結(jié)

以上是生活随笔為你收集整理的数据挖掘学习笔记之人工神经网络（一）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。